JP7487344B2 - 運動動作分析システム、運動動作分析方法および運動動作分析プログラム - Google Patents

Description

この発明は、運動動作を分析する技術に関する。

近年、人々の健康志向の高まりや、情報端末およびウェアラブルデバイスによる各種計測技術の向上に伴い、ランナーが走行情報（タイム・距離・標高・気温・心拍数・ピッチやストライドなど動き情報）を手軽に取得、記録でき、パフォーマンスの分析に利用することができるようになった（例えば、特許文献１参照）。

特開２０１８－１２６３６０号公報

ランナーがパフォーマンス（記録）を向上させ、故障（ランニング障害）のリスクを低下させるためには、自分に最適なシューズ等の商品や筋力トレーニング・練習メニューなどのトレーニング方法を選ぶことが望ましい。ただし一般ランナーがシューズ等を購入したりトレーニング方法を決めたりするとき、知人のお薦めや、雑誌、書籍、インターネット上の掲載情報に基づいて選ぶことが多い。しかしながら、選んだ製品が真に自身の走り方に合っているかを客観的に評価することは難しい。実際に着用してみて特に違和感がなかったとしても、パフォーマンス向上にまで繋がったかどうかまでは一般ランナーには把握しにくい。特に、多数の製品モデルが販売されている現状においては、そのランナーにさらに適した製品モデルが存在する可能性もある。

本発明はこうした課題に鑑みてなされたものであり、その目的は、運動動作を適切に分析してユーザに有益な情報をもたらす技術を提供することにある。

上記課題を解決するために、本発明のある態様の運動動作分析システムは、走行するユーザの動作状態を示す複数種類の動作パラメータに対応する動作データと、走行におけるユーザの運動パフォーマンスを示す指標パラメータに対応する指標データと、を入力する入力部と、複数種類の動作パラメータのうちいずれの動作パラメータがユーザにとって運動パフォーマンス向上への寄与度がより高いかを推定する推定部と、走行時の着用をユーザへ推薦するための複数種類の着用具の情報を記憶するとともに、複数種類の着用具ごとに複数種類の動作パラメータのうちいずれを変化させて運動パフォーマンス向上に寄与するかの特性があらかじめ定められた着用具特性データを記憶する項目記憶部と、着用具特性データに基づき、推定部により推定された種類の動作パラメータを変化させることによって運動パフォーマンス向上に寄与する特性を持つ着用具を複数種類の着用具から選択する選択部と、ユーザに着用を推薦する着用具として選択部により選択された着用具の種類を出力する出力部と、を備える。

「着用具」は、運動時、特にランニング時に着用するランニングシューズや、着用する着圧タイツなどの機能性アパレルであってもよい。「動作パラメータ」は、例えばピッチ、接地時間、接地時間率、鉛直スティフネス、上下動、着地衝撃、蹴り出し加速度、沈み込み量、蹴り出し時間、ブレーキ量、左右衝撃、骨盤回転量、ブレーキ時間など、ランニングの動作を示すパラメータであってもよい。「指標パラメータ」は、例えば心拍数、酸素摂取量、走行時間、走行距離、速度、ペース、痛みの有無、疲労感の有無など、ランニングのパフォーマンスを示すパラメータであってもよい。

運動時の動作を示す様々な動作パラメータと、その運動の結果としてのパフォーマンスを示す指標パラメータとの間の相関関係は、走行するユーザの属性や身体構造、身体能力、運動の目的ないし志向によっても異なる。この態様によると、ユーザによって傾向が異なる運動パフォーマンス向上の要因となる動作パラメータの改善につながる着用具を、ユーザごとに異なるパフォーマンスの傾向やその要因に基づいて適切に選択することを支援できる。

入力部により入力された動作データおよび指標データをユーザのデータとして蓄積する蓄積部と、蓄積部に蓄積されたユーザの走行における複数種類の動作パラメータを説明変数とし、ユーザの走行における指標パラメータを目的変数として、動作パラメータごとの運動パフォーマンス向上への寄与度を求める重回帰分析モデルを生成するモデル生成部と、をさらに備えてもよい。推定部は、重回帰分析モデルに基づいて、いずれの動作パラメータがユーザにとって運動パフォーマンス向上への寄与度がより高いかを推定してもよい。この態様によれば、運動パフォーマンス向上に寄与し得る動作パラメータをより客観的に判定することができ、より適切に着用具選択を支援することができる。

項目記憶部に記憶される着用具特性データには、複数種類の着用具ごとに、その着用により変化が期待される動作パラメータの種類とその変化度があらかじめ定められ、選択部は、着用具特性データに基づき、推定部により推定された種類の動作パラメータの変化度がより高い着用具を選択してもよい。

選択部は、着用具特性データに基づき、推定部により推定された種類の動作パラメータの変化度が高い順に複数候補の着用具を選択し、出力部は、ユーザに着用を推薦する着用具として選択部により選択された複数候補の着用具の種類を出力してもよい。

入力部は、指標データとして、それぞれ異なる目的の運動パフォーマンス向上に寄与する複数種類の指標パラメータに対応する指標データを入力し、推定部は、複数種類の指標パラメータごとにそれぞれの指標パラメータが示す運動パフォーマンス向上への寄与度がより高い動作パラメータを個別に推定し、選択部は、複数種類の指標パラメータごとに推定された動作パラメータを変化させる特性を持つ着用具を複数種類の指標パラメータごとに個別に選択してもよい。

本発明の別の態様もまた、運動動作分析システムである。この運動動作分析システムは、走行するユーザの動作状態を示す複数種類の動作パラメータに対応する動作データと、走行におけるユーザの運動パフォーマンスを示す指標パラメータに対応する指標データと、を入力する入力部と、複数種類の動作パラメータのうちいずれの動作パラメータがユーザにとって運動パフォーマンス向上への寄与度がより高いかを推定する推定部と、推定する動作パラメータの種類に対応する情報を出力する出力部と、を備える。「推定する動作パラメータの種類に対応する情報」は、運動パフォーマンス向上を図るユーザにとって有益な情報をいい、例えばシューズ等の着用具を選択する上で参考となる情報をはじめ、トレーニング方法や大会の情報を含んでもよい。トレーニング方法としては、スピード練習、坂道練習などペース、距離、コースの指定を行うランニング練習メニューであってもよいし、筋力トレーニングやストレッチ、動き習得のためのドリルなどランニング以外の補強運動であってもよい。

本発明の別の態様は、運動動作分析方法である。この方法は、走行するユーザの動作状態を示す複数種類の動作パラメータに対応する動作データと、走行におけるユーザの運動パフォーマンスを示す指標パラメータに対応する指標データと、を所定の情報取得手段により入力する過程と、複数種類の動作パラメータのうちいずれの動作パラメータがユーザにとって運動パフォーマンス向上への寄与度がより高いかをコンピュータの所定の処理により推定する過程と、走行時の着用をユーザへ推薦するための複数種類の着用具ごとに複数種類の動作パラメータのうちいずれを変化させて運動パフォーマンス向上に寄与するかの特性があらかじめ定められた着用具特性データを所定の記憶手段から読み出す過程と、着用具特性データに基づき、推定された種類の動作パラメータを変化させることによって運動パフォーマンス向上に寄与する特性を持つ着用具を複数種類の着用具からコンピュータの所定の処理により選択する過程と、ユーザに着用を推薦する着用具として選択された着用具の種類を所定の情報出力手段により出力する過程と、を備える。

なお、以上の構成要素の任意の組み合わせや、本発明の構成要素や表現を方法、装置、プログラム、プログラムを記憶した一時的なまたは一時的でない記憶媒体、システムなどの間で相互に置換したものもまた、本発明の態様として有効である。

本発明によれば、運動動作を適切に分析してユーザに有益な情報をもたらすことができる。

運動動作分析システムの基本構成を示す図である。 動作データおよび指標データを例示する図である。 シューズ等の製品モデルと、製品モデルごとの動作パラメータの変化特性の関係を示す図である。 ユーザ端末および運動動作分析サーバの基本構成を示す機能ブロック図である。 ユーザごとの回帰式を例示する図である。 ユーザへシューズを推薦する第１の画面例を示す図である。 ユーザへシューズを推薦する第２の画面例を示す図である。 ユーザへシューズを推薦する第３の画面例を示す図である。 ユーザへシューズを推薦する第４の画面例を示す図である。 ユーザへストレッチやトレーニングによる改善提案をする画面例を示す図である。 ユーザへマラソン大会への参加を提案する画面例を示す図である。 ユーザへ練習メニューを提案する画面例を示す図である。 着用具の選択過程を示すフローチャートである。

本実施の形態においては、ユーザが走行時に装着するウェアラブルデバイスで取得した各種情報をもとにユーザの運動パフォーマンスと動作パラメータの関係を分析し、そのユーザにとって特に運動パフォーマンス向上に寄与し得る動作パラメータを決定する。その上で、決定した動作パラメータを変化させて運動パフォーマンス向上を期待できるシューズや機能性アパレル（以下、適宜「シューズ」と「機能性アパレル」を総称して「シューズ等」ともいう）を複数の選択肢から選択してユーザに推薦する。

図１は、運動動作分析システムの基本構成を示す。ユーザはランニングウォッチ１２や動作センサ１４等のウェアラブルデバイス１６を腕や腰に装着した状態でランニングを実施し、ランニングウォッチ１２や動作センサ１４により各種の検出データを取得する。ランニングウォッチ１２は、測位モジュールや加速度センサ、心拍センサ、気圧計等のセンサを含み、例えば日時、位置座標、高度、心拍数、気温、ピッチ等を含む情報を検出データとして取得する。動作センサ１４は、例えば９軸センサ等によって検出された検出データを取得する。ウェアラブルデバイス１６としては、他にスマートフォン等の携帯端末に内蔵の動作センサを用いてもよいし、胸ストラップタイプの心拍センサやシューズの内部または外部に取り付けるタイプの動作センサを用いてもよい。

ユーザは、ウェアラブルデバイス１６で取得した検出データを近距離無線通信等を介してユーザ端末１０に同期させる。ユーザ端末１０は、ウェアラブルデバイス１６から取得する検出データに基づき、走行日時、時間、距離、高度、速度、ペース、気温といった走行ログデータだけでなく、ストライド幅、ピッチ、上下動比、接地時間、接地時間バランス、着地衝撃、着地パターン、プロネーションといった動作状態を示す複数種類の動作パラメータの値や、心拍数、酸素摂取量といった運動パフォーマンスを示す一つまたは複数の種類の指標パラメータの値を取得する。ユーザ端末１０は、取得した走行ログデータ、動作パラメータに対応する動作データや、指標パラメータに対応する指標データをネットワーク１８経由で運動動作分析サーバ２０へ送信する。運動動作分析サーバ２０は、複数のユーザ端末１０から受信した動作データや指標データをユーザごとに区別して蓄積し、ユーザごとのデータ分析に基づいてそのユーザに使用を推薦するシューズ等を選択し、ユーザに推薦する。

ユーザ端末１０は、パーソナルコンピュータであってもよいし、スマートフォンやタブレット端末等の情報端末であってもよい。運動動作分析サーバ２０は、サーバ用コンピュータであってもよい。ユーザ端末１０および運動動作分析サーバ２０は、ＣＰＵ（Central Processing Unit）、ＧＰＵ（Graphics Processing Unit）、ＲＡＭ（Random Access Memory）、ＲＯＭ（Read Only Memory）、補助記憶装置、通信装置等からなるコンピュータで構成されてよい。ユーザ端末１０および運動動作分析サーバ２０は、それぞれ別個のコンピュータで構成されてもよいし、両者の機能を兼ね備えた１台のコンピュータないし情報端末で実現してもよい。本実施の形態では別個のコンピュータで実現する例を説明する。

図２は、動作データおよび指標データを例示する。本図に示されるデータは、ユーザ端末１０がウェアラブルデバイス１６から取得した情報に基づいて整理または算出するデータであり、運動動作分析サーバ２０へ送信するデータである。変形例においては、ユーザ端末１０はウェアラブルデバイス１６から取得した情報をそのまま運動動作分析サーバ２０へ転送し、運動動作分析サーバ２０の側で本図に示されるデータを整理または算出するようにしてもよい。

第１欄３０には、検出データを取得した日時の情報が示される。第２欄３２には、動作データが示される。第３欄３４には、指標データが示される。

第２欄３２の動作データは、「着地衝撃」「走行効率」「安定性」「可動域」の４つの動作パラメータを含む。ここで「走行効率」は蹴り出し加速度を示す値であってもよい。「安定性」は左右衝撃を示す値であってもよい。「可動域」は骨盤回転量を示す値であってもよい。その他、動作データとして、「上下動」や、鉛直スティフネスで示される「反発」、ピッチで示される「軽量性」等の動作パラメータが含まれてもよい。

第３欄３４の指標データは、「心拍数」「到達距離」「最大速度」「主観」の４つの指標パラメータを含む。「心拍数」の代わりに、その心拍数に基づいて算出される「酸素摂取量」を含んでもよい。「主観」は、ユーザが手入力する、走行中または走行後における快走感や疲労感、痛みを示す値であってもよい。

図３は、シューズ等の製品モデルと、製品モデルごとの動作パラメータの変化特性の関係を示す。本図に示される製品モデルごとの動作パラメータの変化特性は、後述する着用具特性データとして定義され、シューズ等を選択する基準として参照される。

第１欄４０には、シューズ等の製品モデル名が示される。第２欄４２には、動作パラメータ「着地衝撃」の変化度が示される。第３欄４４には、動作パラメータ「走行効率」の変化度が示される。第４欄４６には、動作パラメータ「安定性」の変化度が示される。第５欄４８には、動作パラメータ「可動域」の変化度が示される。

第１欄４０におけるシューズ等の製品モデルとしては、例えばシューズとして「Ａ００１」「Ａ００２」「Ａ００３」といった製品モデル名や、着圧タイツや関節用サポーターなどの機能性アパレルとして「Ｎ００１」「Ｎ００２」といった製品モデル名が例示されている。これらのシューズ等は、それぞれ着用することでいずれの動作パラメータに変化が期待できるかが異なる。例えば、「シューズＡ００１」は、「着地衝撃」が１０％減り、「走行効率」が１０％上がり、「安定性」は２０％上がり、「可動域」は変化なし、という特性が示される。「シューズＡ００２」は、「着地衝撃」が２０％減り、「走行効率」が２０％上がり、「安定性」は１０％下がり、「可動域」は変化なし、という特性が示される。「シューズＡ００３」は、「着地衝撃」は１０％増え、「走行効率」は３０％上がり、「安定性」は１０％下がり、「可動域」は変化なし、という特性が示される。

「アパレルＮ００１」は、「着地衝撃」は変化なし、「走行効率」が２０％上がり、「安定性」は２０％下がり、「可動域」は１０％増える、という特性が示される。「アパレルＮ００２」は、「着地衝撃」は変化なし、「走行効率」が１０％上がり、「安定性」も１０％上がり、「可動域」は１０％減る、という特性が示される。

このように、シューズ等の製品モデルごとに変化が期待できる動作パラメータとその変化度が異なるため、例えば「着地衝撃」の改善よりも「安定性」を改善させた方が運動パフォーマンス向上が期待できるユーザには「シューズＡ００１」を推薦したり、「安定性」の改善よりも「可動域」を改善させた方が運動パフォーマンス向上が期待できるユーザには「アパレルＮ００１」を推薦したりといったことが考えられる。

図４は、ユーザ端末および運動動作分析サーバの基本構成を示す機能ブロック図である。本図では機能に着目したブロック図を描いており、これらの機能ブロックはハードウェア、ソフトウェア、またはそれらの組合せによっていろいろな形で実現することができる。

ユーザ端末１０は、情報取得部５０、情報処理部５２、データ蓄積部５４、情報表示部５６、通信部５８を含む。情報取得部５０は、通信部５８を介してウェアラブルデバイス１６から各種の検出データを取得する。また、情報取得部５０はユーザによる操作入力を受け付け、走行中または走行後の疲労感の程度や身体の痛みの有無といったユーザの主観に基づいた情報を取得する。情報処理部５２は、情報取得部５０が取得した検出データおよび主観情報に基づき、走行ログデータ、動作データ、指標データを生成してデータ蓄積部５４に格納する。走行ログデータ、動作データ、指標データは、ユーザの識別情報とともに、通信部５８およびネットワーク１８を介して運動動作分析サーバ２０へ送信される。

運動動作分析サーバ２０は、通信部６０、入力部６２、蓄積部６４、モデル生成部６６、モデル記憶部６８、推定部７０、選択部７２、出力部７４、項目記憶部７６を含む。

入力部６２は、ユーザ端末１０から送信された走行ログデータ、動作データ、指標データ、ユーザの識別情報を通信部６０を介して受信する。入力部６２は、ユーザ端末１０から受信したデータを、そのユーザ端末１０のユーザの識別情報に対応付けることにより、他のユーザから取得したデータとは区別する形で蓄積部６４へ蓄積する。

モデル生成部６６は、蓄積部６４に蓄積されたユーザの走行における複数種類の動作パラメータを説明変数とし、ユーザの走行における指標パラメータを目的変数として、動作パラメータごとの運動パフォーマンス向上への寄与度を求める重回帰分析モデルを生成する。蓄積部６４には複数種類の指標データが蓄積されており、複数種類の指標データはそれぞれ異なる目的の運動パフォーマンスを示す。モデル生成部６６は、ユーザの目的ごと、すなわち指標データごとにその指標パラメータを目的変数とし、複数種類の動作パラメータを説明変数とする重回帰分析モデルを個別に生成する。生成した重回帰分析モデルはモデル記憶部６８に記憶される。

推定部７０は、モデル記憶部６８に記憶される重回帰分析モデルにおいて、指標パラメータの種類ごとに複数種類の動作パラメータのうちいずれの動作パラメータがユーザにとって運動パフォーマンス向上への寄与度がより高いかを個別に推定する。

ここで、複数種類の動作パラメータのうちいずれの動作パラメータを改善すれば指標パラメータが示す運動パフォーマンス向上に寄与するかは、ユーザごとに異なる。ユーザごとに身体構造（骨格や筋力）や身体能力、ランニングフォームが異なるためであり、また、ユーザごとにランニングの目的や目標、志向も異なり、いずれの指標パラメータの改善がそのユーザにとってパフォーマンス向上といえるかも異なるためである。そこで、本実施の形態においては、同じユーザのデータを蓄積部６４に蓄積していき、その蓄積したデータをステップワイズ法による重回帰分析をすることで、そのユーザにとっていずれの動作パラメータが運動パフォーマンス向上に影響を及ぼしやすいかを見出す。また、ユーザの志向に合った指標パラメータの改善に繋がる動作パラメータの種類を見出す。

図５は、ユーザごとの回帰式を例示する。第１欄８０には、ユーザの識別情報が示される。第２欄８２には、重回帰分析により得られたユーザごとの回帰式が示される。本図の例では指標パラメータ「酸素摂取量」を目的変数とするステップワイズ法による重回帰分析をしており、いずれかの動作パラメータの変化によって「酸素摂取量」を下げられるほど、その動作パラメータの変化が運動パフォーマンス向上に寄与することになる。実験によると、図示する回帰式によって推定される指標パラメータの説明率（調整済みＲ^２）は約５９％～９６％であった。したがって、本実施の形態の重回帰分析による指標パラメータの推定は十分な精度であることが示された。

例えば、ユーザ「０００１」の動作データおよび指標データからは、「安定性×ａ＋反発×ｂ＋定数ｃ」といった回帰式が得られる。なお、実際にモデル生成部６６によってユーザごとに生成される重回帰分析モデルとしては、「安定性」や「反発」以外の動作パラメータも含む回帰式が生成される。その回帰式において、推定部７０は、複数種類の動作パラメータから、そのユーザの指標パラメータの改善に寄与する割合が特に高い動作パラメータを一つまたは複数といった限定的な数の動作パラメータに絞り込む。その絞り込んだ動作パラメータのみを用いた回帰式を本図では便宜上示している。

また「安定性」の係数「ａ」は負の値であり、「安定性」の動作パラメータ、例えば「左右衝撃」の値が大きくなるほど指標パラメータ「酸素摂取量」を下げることができ、運動パフォーマンス向上に寄与する。「反発」の係数「ｂ」は正の値であり、「反発」の動作パラメータ、例えば「鉛直スティフネス」の値が小さくなるほど指標パラメータ「酸素摂取量」を下げることができ、運動パフォーマンス向上に寄与する。

例えば、ユーザ「０００２」の動作データおよび指標データからは、「走行効率×ｄ＋上下動×ｅ＋定数ｆ」といった回帰式が得られる。すなわち、推定部７０は、複数種類の動作パラメータから、そのユーザの指標パラメータの改善に寄与する割合が特に高い動作パラメータとして「走行効率」および「上下動」の動作パラメータに絞り込み、その絞り込んだ動作パラメータのみを用いた回帰式を本図では示している。

また、「走行効率」の係数「ｄ」は負の値であり、「走行効率」の動作パラメータ、例えば「蹴り出し加速度」の値が大きくなるほど指標パラメータ「酸素摂取量」を下げることができ、運動パフォーマンス向上に寄与する。「上下動」の係数「ｅ」は正の値であり、「上下動」の動作パラメータの値が小さくなるほど指標パラメータ「酸素摂取量」を下げることができ、運動パフォーマンス向上に寄与する。

例えば、ユーザ「０００３」の動作データおよび指標データからは、「走行効率×ｇ＋軽量性×ｈ＋定数ｉ」といった回帰式が得られる。すなわち、推定部７０は、複数種類の動作パラメータから、そのユーザの指標パラメータの改善に寄与する割合が特に高い動作パラメータとして「走行効率」および「軽量性」の動作パラメータに絞り込み、その絞り込んだ動作パラメータのみを用いた回帰式を本図では示している。

また、「走行効率」の係数「ｇ」は負の値であり、「走行効率」の動作パラメータ、例えば「蹴り出し加速度」の値が大きくなるほど指標パラメータ「酸素摂取量」を下げることができ、運動パフォーマンス向上に寄与する。「軽量性」の係数「ｈ」も負の値であり、「軽量性」の動作パラメータ、例えば「ピッチ」の値が大きくなるほど指標パラメータ「酸素摂取量」を下げることができ、運動パフォーマンス向上に寄与する。

例えば、ユーザ「０００４」の動作データおよび指標データからは、「可動域×ｊ＋着地衝撃×ｋ＋定数ｍ」といった回帰式が得られる。すなわち、推定部７０は、複数種類の動作パラメータから、そのユーザの指標パラメータの改善に寄与する割合が特に高い動作パラメータとして「可動域」および「着地衝撃」の動作パラメータに絞り込み、その絞り込んだ動作パラメータのみを用いた回帰式を本図では示している。

また「可動域」の係数「ｊ」は負の値であり、「可動域」の動作パラメータ、例えば「骨盤回転量」の値が大きくなるほど指標パラメータ「酸素摂取量」を下げることができ、運動パフォーマンス向上に寄与する。「着地衝撃」の係数「ｋ」は正の値であり、「着地衝撃」の動作パラメータの値が小さくなるほど指標パラメータ「酸素摂取量」を下げることができ、運動パフォーマンス向上に寄与する。

例えば、ユーザ「０００５」の動作データおよび指標データからは、「反発×ｎ＋定数」といった回帰式が得られる。すなわち、推定部７０は、複数種類の動作パラメータから、そのユーザの指標パラメータの改善に寄与する割合が特に高い動作パラメータとして「反発」の動作パラメータに絞り込み、その絞り込んだ動作パラメータのみを用いた回帰式を本図では示している。

また「反発」の係数「ｎ」は、ユーザ「０００１」の「反発」の係数「ｂ」と異なり負の値であり、「反発」の動作パラメータ、例えば「鉛直スティフネス」の値が大きくなるほど指標パラメータ「酸素摂取量」を下げることができ、運動パフォーマンス向上に寄与する。「反発」を示す「鉛直スティフネス」のように、動作パラメータの種類によっては、値が大きいほど運動パフォーマンス向上に寄与する場合もあれば、値が小さいほど運動パフォーマンス向上に寄与する場合もあるなど、人によって運動パフォーマンスに与える影響が逆となることがある。

なお、本図では「酸素摂取量」を目的変数とする重回帰分析により、「酸素摂取量」を低減させて運動パフォーマンス向上に寄与する動作パラメータの種類を推定する例を示した。モデル生成部６６は、さらに他の指標パラメータ、例えば「心拍数」「到達距離」「最大速度」「ペース低下率」「主観」を目的変数とする重回帰分析により、それぞれの指標パラメータを改善するのに寄与する動作パラメータの種類を推定する。指標パラメータ「心拍数」を目的変数とする場合は、「心拍数」を低減させるのに寄与する動作パラメータの種類を推定する。

指標パラメータ「到達距離」を目的変数とする場合は、「到達距離」を伸ばすのに寄与する動作パラメータの種類を推定する。例えば、マラソン等の長距離レースの完走を目標とするユーザにとっては、より長い距離を走れることが有益であり、運動パフォーマンス向上を意味することになる。例えば、「到達距離」を伸ばすためには、動作パラメータ「反発」はマイナスに働く可能性があり、「反発」が小さいことが運動パフォーマンス向上に寄与する可能性がある。

指標パラメータ「最大速度」を目的変数とする場合は、「最大速度」を高めるのに寄与する動作パラメータの種類を推定する。例えば、スピードアップを目標とするユーザにとっては、瞬間速度を高められることが有益であり、運動パフォーマンス向上を意味することになる。例えば、「最大速度」を高めるためには、動作パラメータ「反発」はプラスに働く可能性があり、「反発」が大きいことが運動パフォーマンス向上に寄与する可能性がある。この点で、同じ「反発」がマイナスに働く「到達距離」を目標とする場合とは異なる。

指標パラメータ「ペース低下率」を目的変数とする場合は、「ペース低下率」を抑えるのに寄与する動作パラメータの種類を推定する。例えば、長距離を安定的に走れることを目標とするユーザにとっては、ペースが落ちないことが有益であり、運動パフォーマンス向上を意味することになる。

指標パラメータ「主観」を目的変数とする場合は、走行中または走行後の疲労感や身体の痛みを低減させるのに寄与する動作パラメータの種類を推定したり、走行中または走行後の快走感を高めるのに寄与する動作パラメータの種類を推定したりする。例えば、練習の継続性を目標とするユーザにとっては、疲労感や怪我がなく走れること、あるいは気持ちよく走れることが有益であり、運動パフォーマンス向上を意味することになる。

本実施の形態では、重回帰分析により運動パフォーマンス向上に寄与する動作パラメータを推定する手法を用いたが、重回帰分析の代わりに機械学習を用いてもよい。その場合、機械学習の教師データとして動作パラメータおよび指標パラメータだけでなく、ユーザの性別、年齢、身長、体重、運動歴、人種などの属性情報や使用するシューズの種類等の情報を組み合わせて用いてもよい。

再び図４を参照して説明する。項目記憶部７６は、走行時の着用をユーザへ推薦するための複数種類のシューズおよび機能性アパレルの情報を記憶する。また、項目記憶部７６は、複数種類のシューズ等ごとに複数種類の動作パラメータのうちいずれを変化させて運動パフォーマンス向上に寄与するかの特性があらかじめ定められた着用具特性データを記憶する。着用具特性データには、複数種類のシューズ等の製品モデルごとに、その着用により変化が期待される動作パラメータの種類とその変化度が動作パラメータの変化特性としてあらかじめ定められる。着用具特性データに示す動作パラメータの変化特性の例は、図３に示した通りである。

選択部７２は、着用具特性データに基づき、推定部７０により推定された種類の動作パラメータを変化させることによって運動パフォーマンス向上に寄与する特性を持つシューズ等を複数種類のシューズ等から選択する。選択部７２は、着用具特性データに基づき、推定部７０により推定された種類の動作パラメータの変化度がより高いシューズ等を選択する。選択部７２は、ユーザの目的ごと、すなわち指標データごとにモデル生成部６６により推定された種類の動作パラメータを変化させることで運動パフォーマンス向上に寄与する特定を持つシューズ等を、指標データごとに個別に選択する。選択するシューズ等は複数であってもよく、変化度が高い順に推薦する優先度を決定してもよい。例えば、選択部７２はモデル記憶部６８が記憶するすべてのシューズ等の候補について、動作パラメータごとの変化度を回帰式に当てはめて指標パラメータの向上率を算出し、その向上率の高い順にシューズ等の推薦候補を選択する。

例えば、ユーザ「０００１」の場合、選択部７２は、動作パラメータ「安定性」を高める特性と、動作パラメータ「反発」を下げる特性を持ったシューズを複数種類のシューズから選択する。「安定性」を高める特性と「反発」を下げる特性をあわせ持ったシューズの候補が複数ある場合、選択部７２はそれぞれの変化度を加味して、総合的に指標パラメータの改善に寄与する度合い、すなわち指標パラメータの向上率の高いシューズ等を第１候補とし、寄与度ないし向上率が相対的に低いシューズ等を次点以下の候補とする。選択部７２は、「酸素摂取量」「心拍数」「距離」「速度」「主観」等の指標パラメータごとに、そのユーザにとって指標パラメータの改善に寄与する動作パラメータの変化特性を持つシューズ等の候補を一つまたは複数選択する。

項目記憶部７６は、ユーザに提示する複数種類の改善提案の内容をさらに記憶する。各改善提案は、動作パラメータごとにその値を変化させた場合の効果に関する文章が項目記憶部７６に記憶される。例えば、ユーザごとの回帰式において動作パラメータ「着地衝撃」（係数は正の値）が指標パラメータの改善への寄与度が高いと推定された場合に提案する内容として「走行時の着地衝撃が小さいと少ないエネルギーで速度を発揮できます」といった文章を記憶する。また、動作パラメータ「安定性」（係数は負の値）が指標パラメータの改善への寄与度が高いと推定された場合に提案する内容として「走行時の安定性が高いと少ないエネルギーで速度を発揮できます」といった文章を記憶する。また、項目記憶部７６は、ユーザの目的別、すなわち指標パラメータ別に、動作パラメータごとの改善提案の内容を記憶する。

出力部７４は、ユーザに着用を推薦するシューズ等として選択部７２により選択された一つまたは複数のシューズ等の種類を通信部６０を介してユーザ端末１０に送信する。出力部７４は、例えばユーザの目標別に分けて推奨するシューズ等の紹介や運動の改善提案を表示する。すなわち、運動パフォーマンスの指標となる指標パラメータ別に、選択部７２により選択されたシューズ等の種類と、変化させることが望ましい動作パラメータの種類について表示する。

図６は、ユーザへシューズを推薦する第１の画面例を示す。第１欄９０には、改善提案の内容が表示される。第２欄９１には、推薦するシューズ等の種類が推薦順に表示される。

第１欄９０においては、ユーザの動作パラメータの傾向として「あなたの傾向」「走行時の着地衝撃が小さいと、少ないエネルギーで速度を発揮できます」「走行時の安定性が高いと、少ないエネルギーで速度を発揮できます」といった文字列が表示される。すなわち、動作パラメータ「着地衝撃」を下げることと、動作パラメータ「安定性」を高めることが、指標パラメータ「最大速度」を高めることによる運動パフォーマンス向上に寄与する旨が表示される。

第２欄９１においては、選択したシューズ等の種類をユーザに推薦する内容として、「あなたにおすすめのシューズ」といった文字列と、推薦するシューズの種類を２種類表示し、その推薦度合いを星の数で表すとともに、シューズごとにいずれの動作パラメータの改善が期待できるかを「着地衝撃を低減します」「安定性を高めます」といった文字列で表す。

図７は、ユーザへシューズを推薦する第２の画面例を示す。第１欄９２には、改善提案の内容が表示される。第２欄９３には、推薦するシューズ等の種類が推薦順に表示される。ただし、本図の例では、図６における第１の画面例と異なり、ユーザの目標や予算、走力に応じてシューズ等を自由に選択しやすい構成となっている。

第１欄９２においては、ユーザへの改善提案として、ユーザの志向別に動作パラメータの改善提案が表示される。例えば、より速く走ることを目標とする指標パラメータ「最大速度」を示す「速」、より長く走ることを目標とする指標パラメータ「到達距離」を示す「長」、より快適に走ることを目標とする指標パラメータ「主観」を示す「楽」のマークとともに動作パラメータの改善提案が示される。「最大速度」を示す「速」という目標を持つユーザに対しては、動作パラメータ「走行効率」を高めることが運動パフォーマンス向上に寄与することを示す文字列が表示される。「到達距離」を示す「長」という目標を持つユーザに対しては、動作パラメータ「安定性」を高めることが運動パフォーマンス向上に寄与することを示す文字列が表示される。「主観」を示す「楽」という目標を持つユーザに対しては、動作パラメータ「着地衝撃」を低減することが運動パフォーマンス向上に寄与することを示す文字列が表示される。

第２欄９３においては、選択したシューズの種類をユーザに推薦する内容として、「あなたにおすすめのシューズ」といった文字列と、推薦するシューズの種類を２種類表示し、その推薦度合いを星の数で表すとともに、シューズごとにいずれの指標パラメータの改善が期待できるかを「速」「長」「楽」といった文字列で表す。例えば、第１候補のシューズは星が三つ示されるとともに、到達距離が伸びることを示す「長」と、疲労感や痛みを回避して快走につながることを示す「楽」の文字とともに、いずれの動作パラメータの改善が期待できるかを「着地衝撃を低減します」「安定性を高めます」といった文字列で表す。第２候補のシューズは星が二つ示されるとともに、最大速度が高まることを示す「速」と、疲労感や痛みを回避して快走につながることを示す「楽」の文字とともに、いずれの動作パラメータの改善が期待できるかを「着地衝撃を低減します」といった文字列で表す。

第１メニュー９８は、ユーザの予算を指定するプルダウンメニューであり、第２メニュー９９は、ユーザの走力を指定するプルダウンメニューである。ユーザが、第１メニュー９８で自分の予算を指定し、第２メニュー９９で自分の走力を指定すると、選択部７２は表示するシューズの候補を、ユーザが指定した予算と走力レベルに適合するシューズに絞り込んで選択し、表示する。

図８は、ユーザへシューズを推薦する第３の画面例を示す。本図の例では、ユーザの現状のマラソン予想タイムを算出して表示するとともに、推薦するシューズを着用した場合のマラソン予想タイムを表示する。

第１欄９４には、例えば「３時間５２分３０秒」のように現在のユーザのマラソン予想タイムが表示される。第２欄９５には、推薦するシューズごとのマラソン予想タイムがシューズの推薦順に表示される。例えば第１候補のシューズとともに、そのシューズを着用した場合のマラソン予想タイムとして、現在より２分短縮された「３時間５０分３０秒」と表示される。また、第２候補のシューズとともに、そのシューズを着用した場合のマラソン予想タイムとして、現在より１分だけ短縮された「３時間５１分３０秒」と表示される。また、「さらにこの練習メニューを実施すると」といった、練習メニューのページへリンクされた文字とともに、その練習メニュー後のマラソン予想タイムとして１７分短縮された「３時間３５分３０秒」の文字列が表示される。

この場合、マラソンタイムを予測するために、モデル生成部６６は重回帰分析において走行時間を目的変数とし、本実施の形態における各種の動作パラメータだけでなく、距離、速度、ペース、温度、高度といった走行状態を示すパラメータをさらに説明変数として入力する重回帰分析モデルを生成する。このような重回帰分析モデルに基づいて、推定部７０がマラソンタイムを推定する。

図９は、ユーザへシューズを推薦する第４の画面例を示す。本図の例では、図８で推薦する練習メニューにおける予定走行量とともに、その走行量による負荷および現在のランニングフォームにより身体に痛みが発生する確率を第１欄９６に表示する。例えば「この練習メニューでは３ヶ月で３２０ｋｍ、平均５：３０／ｋｍで走る予定です」といった文字列と、「膝に痛みが発生する確率 ５０％」といった文字列により、痛みが発生する可能性のある身体部位および発生する確率を示す。また、推薦するシューズを着用した場合の痛みの発生確率を第２欄９７に表示する。例えば「このシューズを履くと ３０％」のように、推薦するシューズを着用した場合の痛みの発生確率を示す。

図１０は、ユーザへストレッチやトレーニングによる改善提案をする画面例を示す。第１欄１１０には、改善提案の内容が表示される。第２欄１１１には、ストレッチおよびトレーニングの提案が表示される。

第１欄１１０においては、ユーザの動作パラメータの傾向として「あなたの傾向」「走行時の着地衝撃が小さいと、長い距離を持続して走ることができます」「走行時の安定性が高いと、少ないエネルギーで速度を発揮できます」といった文字列が表示される。

第２欄１１１においては、より長く走ることを目標とする指標パラメータ「到達距離」を示す「長」、より快適に走ることを目標とする指標パラメータ「主観」を示す「楽」のマークとともに、ストレッチのメニューを提案する。このストレッチのメニューに取り組むことにより、指標パラメータ「到達距離」の改善と「主観」の改善が期待できることを示す。また、より速く走ることを目標とする指標パラメータ「最大速度」を示す「速」、より快適に走ることを目標とする指標パラメータ「主観」を示す「楽」のマークとともに、筋力トレーニングのメニューを提案する。この筋力トレーニングのメニューに取り組むことにより、指標パラメータ「最大速度」の改善と「主観」の改善が期待できることを示す。

図１１は、ユーザへマラソン大会への参加を提案する画面例を示す。第１欄１１２には、改善提案の内容が表示される。第２欄１１３には、提案するマラソン大会の一覧が表示される。

第１欄１１２においては、ユーザの動作パラメータの傾向として「あなたの傾向」「気温が低い（１５℃）と、長い距離を持続して走ることができます」「勾配が少ないと、少ないエネルギーで速度を発揮できます」といった文字列が表示される。

第２欄１１３においては、提案するマラソン大会の大会名、レースタイプ、開催月の一覧が表示される。一覧においては、マラソン大会ごとの特徴として、より速く走ることを目標とするユーザ、より長く走ることを目標とするユーザ、より快適に走ることを目標とするユーザのいずれに適しているかが「速」「長」「楽」のマークで示される。

図１２は、ユーザへ練習メニューを提案する画面例を示す。第１欄１１４には、改善提案の内容が表示される。第２欄１１５には、練習メニューの提案が表示される。

第１欄１１４においては、ユーザの動作パラメータの傾向として「あなたの傾向」「気温が低い（１５℃）と、長い距離を持続して走ることができます」といった文字列が表示される。

第２欄１１５においては、目標レースとしてマラソン大会の大会名と、そのマラソン大会の特徴として「勾配○○ｍ（坂多め）」「気温１５℃（高め）」といった文字列が表示される。また、「練習計画」として練習メニューと、提案する練習コースが表示される。

図１３は、着用具の選択過程を示すフローチャートである。入力部６２は、ユーザの動作データと指標データを入力して蓄積部６４に蓄積し（Ｓ１０）、モデル生成部６６は蓄積部６４に蓄積された動作データおよび指標データに基づいて重回帰分析モデルを生成してモデル記憶部６８に記憶させる（Ｓ１２）。推定部７０は、そのユーザにとって指標パラメータに示される運動パフォーマンス向上に寄与する動作パラメータの種類を重回帰分析モデルに基づいて推定する（Ｓ１４）。選択部７２は、複数種類のシューズ等から、推定部７０により推定された動作パラメータを変化させることで運動パフォーマンス向上に寄与し得るシューズ等を選択する（Ｓ１６）。出力部７４は、選択されたシューズ等をユーザに推薦する内容をネットワーク１８経由でユーザ端末１０に表示させる。

以上、本発明を実施の形態をもとに説明した。実施の形態は例示であり、それらの各構成要素や各処理プロセスの組合せにいろいろな変形例が可能なこと、またそうした変形例も本発明の範囲にあることは当業者に理解されるところである。

この発明は、運動動作を分析する技術に関する。

１０ ユーザ端末、 ２０ 運動動作分析サーバ、 ６２ 入力部、 ６４ 蓄積部、 ６６ モデル生成部、 ７０ 推定部、 ７２ 選択部、 ７４ 出力部、 ７６ 項目記憶部、 １００ 運動動作分析システム。

Claims (7)

1. 走行するユーザの動作状態を示す複数種類の動作パラメータに対応する動作データと、前記走行における前記ユーザの運動パフォーマンスを示す指標パラメータに対応する指標データと、を入力する入力部と、
   前記複数種類の動作パラメータのうちいずれの動作パラメータが前記ユーザにとって運動パフォーマンス向上への寄与度がより高いかを推定する推定部と、
   走行時の着用をユーザへ推薦するための複数種類の着用具の情報を記憶するとともに、前記複数種類の着用具ごとに前記複数種類の動作パラメータのうちいずれを変化させて運動パフォーマンス向上に寄与するかの特性があらかじめ定められた着用具特性データを記憶する項目記憶部と、
   前記着用具特性データに基づき、前記推定部により推定された種類の動作パラメータを変化させることによって運動パフォーマンス向上に寄与する特性を持つ着用具を前記複数種類の着用具から選択する選択部と、
   前記ユーザに着用を推薦する着用具として前記選択部により選択された着用具の種類を出力する出力部と、
   を備え、
   前記入力部は、前記指標データとして、それぞれ異なる目的の運動パフォーマンス向上に寄与する複数種類の指標パラメータに対応する指標データを入力し、
   前記推定部は、前記複数種類の指標パラメータごとにそれぞれの指標パラメータが示す運動パフォーマンス向上への寄与度がより高い動作パラメータを個別に推定し、
   前記選択部は、前記複数種類の指標パラメータごとに推定された動作パラメータを変化させる特性を持つ着用具を前記複数種類の指標パラメータごとに個別に選択することを特徴とする運動動作分析システム。
2. 前記入力部により入力された前記動作データおよび前記指標データを前記ユーザのデータとして蓄積する蓄積部と、
   前記蓄積部に蓄積された前記ユーザの走行における前記複数種類の動作パラメータを説明変数とし、前記ユーザの走行における前記指標パラメータを目的変数として、動作パラメータごとの運動パフォーマンス向上への寄与度を求める重回帰分析モデルを生成するモデル生成部と、
   をさらに備え、
   前記推定部は、前記重回帰分析モデルに基づいて、いずれの動作パラメータが前記ユーザにとって運動パフォーマンス向上への寄与度がより高いかを推定することを特徴とする請求項１に記載の運動動作分析システム。
3. 前記項目記憶部に記憶される前記着用具特性データには、前記複数種類の着用具ごとに、その着用により変化が期待される動作パラメータの種類とその変化度があらかじめ定められ、
   前記選択部は、前記着用具特性データに基づき、前記推定部により推定された種類の動作パラメータの変化度がより高い着用具を選択することを特徴とする請求項１または２に記載の運動動作分析システム。
4. 前記選択部は、前記着用具特性データに基づき、前記推定部により推定された種類の動作パラメータの変化度が高い順に複数候補の着用具を選択し、
   前記出力部は、前記ユーザに着用を推薦する着用具として前記選択部により選択された前記複数候補の着用具の種類を出力することを特徴とする請求項３に記載の運動動作分析システム。
5. 走行するユーザの動作状態を示す複数種類の動作パラメータに対応する動作データと、前記走行における前記ユーザの運動パフォーマンスを示す指標パラメータに対応する指標データと、を入力する入力部と、
   前記複数種類の動作パラメータのうちいずれの動作パラメータが前記ユーザにとって運動パフォーマンス向上への寄与度がより高いかを推定する推定部と、
   前記推定する動作パラメータの種類に対応する情報を出力する出力部と、
   を備え、
   前記入力部は、前記指標データとして、それぞれ異なる目的の運動パフォーマンス向上に寄与する複数種類の指標パラメータに対応する指標データを入力し、
   前記推定部は、前記複数種類の指標パラメータごとにそれぞれの指標パラメータが示す運動パフォーマンス向上への寄与度がより高い動作パラメータを個別に推定することを特徴とする運動動作分析システム。
6. 走行するユーザの動作状態を示す複数種類の動作パラメータに対応する動作データと、前記走行における前記ユーザの運動パフォーマンスを示す指標パラメータに対応する指標データと、を所定の情報取得手段により入力する過程と、
   前記複数種類の動作パラメータのうちいずれの動作パラメータが前記ユーザにとって運動パフォーマンス向上への寄与度がより高いかをコンピュータの所定の処理により推定する過程と、
   走行時の着用をユーザへ推薦するための複数種類の着用具ごとに前記複数種類の動作パラメータのうちいずれを変化させて運動パフォーマンス向上に寄与するかの特性があらかじめ定められた着用具特性データを所定の記憶手段から読み出す過程と、
   前記着用具特性データに基づき、前記推定された種類の動作パラメータを変化させることによって運動パフォーマンス向上に寄与する特性を持つ着用具を前記複数種類の着用具からコンピュータの所定の処理により選択する過程と、
   前記ユーザに着用を推薦する着用具として前記選択された着用具の種類を所定の情報出力手段により出力する過程と、
   を備え、
   前記入力する過程は、前記指標データとして、それぞれ異なる目的の運動パフォーマンス向上に寄与する複数種類の指標パラメータに対応する指標データを入力し、
   前記推定する過程は、前記複数種類の指標パラメータごとにそれぞれの指標パラメータが示す運動パフォーマンス向上への寄与度がより高い動作パラメータを個別に推定し、
   前記選択する過程は、前記複数種類の指標パラメータごとに推定された動作パラメータを変化させる特性を持つ着用具を前記複数種類の指標パラメータごとに個別に選択することを特徴とする運動動作分析方法。
7. 走行するユーザの動作状態を示す複数種類の動作パラメータに対応する動作データと、前記走行における前記ユーザの運動パフォーマンスを示す指標パラメータに対応する指標データと、を入力する機能と、
   前記複数種類の動作パラメータのうちいずれの動作パラメータが前記ユーザにとって運動パフォーマンス向上への寄与度がより高いかを推定する機能と、
   走行時の着用をユーザへ推薦するための複数種類の着用具の情報を記憶するとともに、前記複数種類の着用具ごとに前記複数種類の動作パラメータのうちいずれを変化させて運動パフォーマンス向上に寄与するかの特性があらかじめ定められた着用具特性データを記憶する機能と、
   前記着用具特性データに基づき、前記推定する機能により推定された種類の動作パラメータを変化させることによって運動パフォーマンス向上に寄与する特性を持つ着用具を前記複数種類の着用具から選択する機能と、
   前記ユーザに着用を推薦する着用具として前記選択する機能により選択された着用具の種類を出力する機能と、
   をコンピュータに実現させ、
   前記入力する機能は、前記指標データとして、それぞれ異なる目的の運動パフォーマンス向上に寄与する複数種類の指標パラメータに対応する指標データを入力し、
   前記推定する機能は、前記複数種類の指標パラメータごとにそれぞれの指標パラメータが示す運動パフォーマンス向上への寄与度がより高い動作パラメータを個別に推定し、
   前記選択する機能は、前記複数種類の指標パラメータごとに推定された動作パラメータを変化させる特性を持つ着用具を前記複数種類の指標パラメータごとに個別に選択することを特徴とする運動動作分析プログラム。

Images